22423 पेपर
यह अध्ययन प्रदर्शित करता है कि दैनिक गतिविधियों के दौरान त्वरणमापी-आधारित ऊर्जा व्यय का अनुमान लगाना शरीर के द्रव्यमान केंद्र विन्यास (पेल्विस या पेल्विस प्लस जांघों) का उपयोग करने पर कलाई पर पहने जाने वाले उपकरणों की तुलना में काफी अधिक सटीक होता है, जिसमें तीन-त्वरणमापी सेटअप सर्वोत्तम भविष्य कहनेवाला प्रदर्शन प्रदान करता है।
यह शोध पत्र मोर्स ट्रांसफॉर्म (Morse Transform) को प्रस्तुत करता है, जो एक नया टोपोलॉजिकल डिस्क्रिप्टर है जो कई हाइट-फंक्शन्स (height-functions) में क्रिटिकल पॉइंट्स को सूचीबद्ध करके वस्तु की ज्यामिति को परिमाणित करता है, और मौजूदा टोपोलॉजिकल और मानक आकार-आधारित विधियों की तुलना में लिगैंड-आधारित वर्चुअल स्क्रीनिंग में बेहतर प्रदर्शन प्रदर्शित करता है।
यह समीक्षा पैरामीट्रिक आंशिक अंतर समीकरणों (partial differential equations) को हल करने के लिए न्यूरल ऑपरेटर आर्किटेक्चर का एक व्यावहारिक परिचय प्रदान करती है, जो कैनोनिकल समस्याओं पर DeepONet और फूरियर न्यूरल ऑपरेटर्स जैसे मॉडलों का मूल्यांकन करते हुए बेयसियन व्युत्क्रम समस्याओं (Bayesian inverse problems) में उनके अनुप्रयोगों का अन्वेषण करती है और वैज्ञानिक कंप्यूटिंग वर्कफ़्लो में सटीकता और सामान्यीकरण में सुधार के लिए रणनीतियों को रेखांकित करती है।
यह शोध पत्र AnomalyMatch को पेश करता है, जो एक स्केलेबल सेमी-सुपरवाइज्ड और एक्टिव लर्निंग फ्रेमवर्क है जो लेबल की भारी कमी वाले बड़े डेटासेट्स में दुर्लभ वस्तुओं की प्रभावी ढंग से खोज करता है, जो उपयोगकर्ता सत्यापन के साथ FixMatch-आधारित प्रशिक्षण को जोड़कर खगोलीय और प्राकृतिक छवि बेंचमार्क पर उच्च परिशुद्धता (precision) और AUROC स्कोर प्राप्त करता है।
यह शोध पत्र अराजक समय श्रृंखला (chaotic time series) भविष्यवाणी के लिए एक टेंसर नेटवर्क-आधारित दृष्टिकोण प्रस्तावित करता है जो बहुआयामी सरणियों (multidimensional arrays) को विघटित करके अगली पीढ़ी के रिज़र्वोयर कंप्यूटिंग की घातीय पैरामीटर वृद्धि पर विजय प्राप्त करता है, जिससे पारंपरिक इको स्टेट नेटवर्क्स की तुलना में बेहतर सटीकता और कम्प्यूटेशनल दक्षता प्राप्त होती है।
यह शोध पत्र सामान्यीकृत द्वि-पक्षीय मिलान बाजारों (two-sided matching markets) के लिए एक शिक्षण ढांचे (learning framework) को प्रस्तुत करता है जहाँ एजेंट अज्ञात प्रतिफल (payoffs) वाले शून्य-योग खेल (zero-sum games) खेलते हैं, और एक UCB-आधारित एल्गोरिदम का प्रस्ताव करता है जो बैंडिट फीडबैक के तहत मिलान संतुलन (matching equilibrium) सीखने में उप-रैखिक (sublinear), उदाहरण-स्वतंत्र (instance-independent) पछतावा (regret) प्राप्त करता है।
यह शोध पत्र एक गोपनीयता-संरक्षण क्रॉस-सिलो फेडरेटेड लर्निंग फ्रेमवर्क प्रस्तावित करता है जो सिर और गर्दन के रेडियोथेरेपी के लिए कोन-बीम सीटी स्कैन से उच्च-गुणवत्ता वाले सिंथेटिक सीटी उत्पन्न करने हेतु तीन यूरोपीय चिकित्सा केंद्रों में एक डीप लर्निंग मॉडल को सफलतापूर्वक प्रशिक्षित करता है, जो बिना किसी केंद्रीकृत डेटा साझाकरण या साइट-विशिष्ट फाइन-ट्यूनिंग की आवश्यकता के मजबूत सामान्यीकरण प्राप्त करता है।
यह अध्याय डीप लर्निंग की प्रमुख चुनौतियों, जिनमें सूचना प्रसार (information propagation), स्थिरता के किनारे (edge of stability) जैसी प्रशिक्षण गतिशीलता (training dynamics) और मीन-फील्ड सीमाएं (mean-field limits) शामिल हैं, को पुनर्गठित और विश्लेषित करने के लिए एक डायनेमिकल सिस्टम्स फ्रेमवर्क का उपयोग करता है, जिससे न्यूरल नेटवर्क के व्यवहार, स्थिरता और व्याख्यात्मकता (explainability) में नई अंतर्दृष्टि प्राप्त होती है।
यह शोध पत्र ग्रेडिएंट रेगुलराइजेशन-आधारित न्यूरल ग्रेन्जर कॉज़ैलिटी (GRNGC) का प्रस्ताव करता है, जो एक एकल प्रेडिक्शन मॉडल के भीतर इनपुट-आउटपुट ग्रेडिएंट्स पर रेगुलराइजेशन लागू करके कारण संबंधी संबंधों का अनुमान लगाने वाला एक लचीला और गणनात्मक रूप से कुशल ढांचा है, जिससे मौजूदा विधियों की संरचनात्मक सीमाओं को दूर किया जा सकता है और सिंथेटिक तथा वास्तविक दुनिया के जटिल औद्योगिक और जैविक डेटासेट दोनों में उत्कृष्ट प्रदर्शन प्रदर्शित किया जा सकता है।
यह शोधपत्र AnalogFed को प्रस्तुत करता है, जो पहला गोपनीयता-संरक्षण ढांचा है जो मॉडल उपयोगिता से समझौता किए बिना मेंबरशिप इन्फरेंस और मॉडल इन्वर्जन हमलों को प्रभावी ढंग से कम करके फेडरेटेड लर्निंग और जनरेटिव एआई का उपयोग करके बड़े पैमाने पर, सहयोगात्मक एनालॉग सर्किट टोपोलॉजी डिस्कवरी को सक्षम बनाता है।